龙空技术网

0288-如何使用Flume采集Kafka数据写入HBase

Hadoop实操 546

前言:

当前你们对“flume采集数据到kafka的topic中”大约比较注意,你们都想要分析一些“flume采集数据到kafka的topic中”的相关内容。那么小编同时在网上收集了一些有关“flume采集数据到kafka的topic中””的相关资讯,希望我们能喜欢,大家一起来了解一下吧!

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

Fayson的github:

提示:代码块部分可以左右滑动查看噢

1.文档编写目的

在前面的文章Fayson也介绍了一些关于Flume的文章《

非Kerberos环境下Kafka数据到Flume进Hive表

》、《

如何使用Flume准实时建立Solr的全文索引

》、《

如何在Kerberos环境使用Flume采集Kafka数据并写入HDFS

》和《

如何使用Flume采集Kafka数据写入Kudu

》,本篇文章Fayson主要介绍在非Kerberos的CDH集群中使用Flume采集Kafka数据写入HBase。本文的数据流图如下:

内容概述

1.环境准备及开发自定义HBaseSink

2.配置Flume Agent

3.流程测试

4.总结

测试环境

1.CM和CDH版本为5.12.1

2.采用root用户操作

前置条件

1. Flume已安装

2.HBase服务已安装且正常运行

2.环境准备

1.准备向Kafka发送数据的脚本

这里脚本Fayson就不在详细说明了,前面的文章及Github上均有说明:

(可左右滑动)

2.通过hbase shell命令创建HBase测试表

create 'fayson_ods_deal_daily','info'

3.开发HBaseSink示例

在CDH集群中Flume-ng默认添加了HBaseSink依赖包,但HBaseSink依赖包只支持两种序列化模式:

SimpleHbaseEventSerializer:将整个Event的Body部分当做完整的一列写入HBase

RegexHbaseEventSerializer:根据正则表达式将Event Body拆分到不同的列

写正则表达式Fayson不擅长,对于复杂结构数据时正则表达式的复杂度可想而知且不便于维护,所以这里Fayson选择使用自定义的HBaseSink方式来完成Json数据的解析及rowkey的指定。

1.在前面Fayson创建的flume-sink工程上继续开发HBaseSink

2.开发HBaseSink需要添加HBase相关的依赖包

<!-- HBase Sink 依赖包 --><dependency> <groupId>org.apache.flume.flume-ng-sinks</groupId> <artifactId>flume-ng-hbase-sink</artifactId> <version>1.6.0-cdh5.12.1</version></dependency><!-- HBase Client 依赖包 --><dependency> <groupId>org.apache.hbase</groupId> <artifactId>hbase-client</artifactId> <version>1.2.0-cdh5.12.1</version></dependency>

(可左右滑动)

3.借助于原生的HBaseSink重新创建了一个FaysonHBaseSink类,该类为指定的sink.type类型,由于代码过长,该类只贴代码片段

/** * package: com.cloudera.hbase * describe: 自定义HBaseSink,实现了自定义Rowkey及解析JSON字符串 * creat_user: Fayson * email: htechinfo@163.com * creat_date: 2018/6/3 * creat_time: 下午11:43 * 公众号:Hadoop实操 */public class FaysonHBaseSink extends AbstractSink implements Configurable { private String tableName; private byte[] columnFamily; //增加自定义Rowkey字段,可以用多个列组合,以","分割 ... private static final Logger logger = LoggerFactory.getLogger(com.cloudera.hbase.FaysonHBaseSink.class); private FaysonHBaseEventSerializer serializer; @Override public Status process() throws EventDeliveryException { Status status = Status.READY; Channel channel = getChannel(); Transaction txn = channel.getTransaction(); List<Row> actions = new LinkedList<Row>(); List<Increment> incs = new LinkedList<Increment>(); try { txn.begin(); if (serializer instanceof BatchAware) { ((BatchAware)serializer).onBatchStart(); } long i = 0; for (; i < batchSize; i++) { Event event = channel.take(); if (event == null) { if (i == 0) { status = Status.BACKOFF; sinkCounter.incrementBatchEmptyCount(); } else { sinkCounter.incrementBatchUnderflowCount(); } break; } else { if(rowKeys != null && rowKeys.length() > 0) { serializer.initialize(event, columnFamily, rowKeys); } else { serializer.initialize(event, columnFamily); } actions.addAll(serializer.getActions()); incs.addAll(serializer.getIncrements()); } } if (i == batchSize) { sinkCounter.incrementBatchCompleteCount(); } sinkCounter.addToEventDrainAttemptCount(i); putEventsAndCommit(actions, incs, txn); } catch (Throwable e) { try{ txn.rollback(); } catch (Exception e2) { logger.error("Exception in rollback. Rollback might not have been " + "successful." , e2); } logger.error("Failed to commit transaction." + "Transaction rolled back.", e); if(e instanceof Error || e instanceof RuntimeException){ logger.error("Failed to commit transaction." + "Transaction rolled back.", e); Throwables.propagate(e); } else { logger.error("Failed to commit transaction." + "Transaction rolled back.", e); throw new EventDeliveryException("Failed to commit transaction." + "Transaction rolled back.", e); } } finally { txn.close(); } return status; }}

(可左右滑动)

4.增加FaysonHBaseEventSerializer接口类继承原生的HBaseEventSerializer接口类,增加initialize(Event var1, byte[] var2, String var3)方法用于处理指定rowkey

package com.cloudera.hbase;import org.apache.flume.Event;import org.apache.flume.sink.hbase.HbaseEventSerializer;/** * package: com.cloudera.hbase * describe: 继承HBaseSink的HbaseEventSerializer接口类,增加initialize(Event var1, byte[] var2, String var3) * 用于处理指定rowkey * creat_user: Fayson * email: htechinfo@163.com * creat_date: 2018/6/3 * creat_time: 下午11:54 * 公众号:Hadoop实操 */public interface FaysonHBaseEventSerializer extends HbaseEventSerializer { void initialize(Event var1, byte[] var2, String var3);}

5.新增FaysonHBaseSinkConstants类,用于定义自定义HBaseSink的常量

package com.cloudera.hbase;/** * package: com.cloudera.hbase * describe: 自定义HBaseSink常量类 * creat_user: Fayson * email: htechinfo@163.com * creat_date: 2018/6/3 * creat_time: 下午11:49 * 公众号:Hadoop实操 */public class FaysonHBaseSinkConstants { public static final String CONFIG_ROWKEYS = "rowkeys";}

(可左右滑动)

6.新增JsonHBaseEventSerializer类处理JSON格式数据的序列化类,继承FaysonHBaseEventSerializer类,由于代码太长该类只贴代码片段

public class JsonHBaseEventSerializer implements FaysonHBaseEventSerializer { private static final Logger logger = LoggerFactory.getLogger(com.cloudera.hbase.JsonHBaseEventSerializer.class); private LinkedHashSet<String> rowkeySet; @Override public void initialize(Event event, byte[] columnFamily, String rowkeys) { this.headers = event.getHeaders(); this.payload = event.getBody(); this.cf = columnFamily; rowkeySet = new LinkedHashSet<>(); logger.info("rowkeys:" + rowkeys); for(String rowkey : rowkeys.split(",")) { rowkeySet.add(rowkey); } } @Override public List<Row> getActions() throws FlumeException { List<Row> actions = Lists.newArrayList(); //将JSON消息转换为Map对象 Map<String, String> resultMap = JsonStr2Map.jsonStr2Map(new String(payload, charset)); try { byte[] rowKey; if(!rowkeySet.isEmpty()) { //如果rowkeySet集合不为空则使用自定义的rowkey StringBuffer rowkeyBuff = new StringBuffer(); for(String rowkey : rowkeySet) { rowkeyBuff.append(resultMap.get(rowkey) + "-"); } rowKey = rowkeyBuff.substring(0, rowkeyBuff.length()-1).getBytes(); //移除Map中不需要存入Column的列 for(String rowkey : rowkeySet) { resultMap.remove(rowkey); } } else { if (rowKeyIndex < 0) { rowKey = getRowKey(); } else { rowKey = resultMap.get(rowKeyIndex + 1).getBytes(Charsets.UTF_8); } } Put put = new Put(rowKey); for(Map.Entry<String, String> entry : resultMap.entrySet()) { put.add(cf, entry.getKey().getBytes(), entry.getValue().getBytes(Charsets.UTF_8)); } if (depositHeaders) { for (Map.Entry<String, String> entry : headers.entrySet()) { put.add(cf, entry.getKey().getBytes(charset), entry.getValue().getBytes(charset)); } } actions.add(put); } catch (Exception e) { throw new FlumeException("Could not get row key!", e); } return actions; }}

(可左右滑动)

7.将开发好的代码使用mvn命令打包

mvn clean package

将打包好的flume-sink-1.0-SNAPSHOT.jar部署到集群所有节点的/opt/cloudera/parcels/CDH/lib/flume-ng/lib目录下

[root@cdh01 shell]# sh bk_cp.sh node.list /root/flume-sink-1.0-SNAPSHOT.jar /opt/cloudera/parcels/CDH/lib/flume-ng/lib/

(可左右滑动)

4.配置Flume Agent

1.登录CM,进flume服务界面,点击“配置”

2.在Agent类别的“配置文件”中输入如下内容:

kafka.sources = source1kafka.channels = channel1kafka.sinks = sink1kafka.sources.source1.type = org.apache.flume.source.kafka.KafkaSourcekafka.sources.source1.kafka.bootstrap.servers = cdh01.fayson.com:9092,cdh02.fayson.com:9092,cdh03.fayson.com:9092kafka.sources.source1.kafka.topics = kafka_sparkstreaming_kudu_topickafka.sources.source1.kafka.consumer.group.id = flume-consumerkafka.sources.source1.channels = channel1kafka.channels.channel1.type = memorykafka.channels.channel1.capacity = 10000kafka.channels.channel1.transactionCapacity = 1000kafka.sinks.sink1.channel = channel1kafka.sinks.sink1.type = com.cloudera.hbase.FaysonHBaseSinkkafka.sinks.sink1.table = fayson_ods_deal_dailykafka.sinks.sink1.columnFamily = infokafka.sinks.sink1.rowkeys = id,mobile_phone_numkafka.sinks.sink1.serializer = com.cloudera.hbase.JsonHBaseEventSerializer

(可左右滑动)

3.保存flume配置,并重启Flume服务

5.流程测试

1.进入0283-kafka-shell目录执行命令向Kafka的kafka_sparkstreaming_kudu_topic发送消息

[root@cdh01 0283-kafka-shell]# sh run.sh ods_user_600.txt

2.通过Hue查看HBase的fayson_ods_deal_daily表

可以看到数据已写入到HBase的fayson_ods_deal_daily表,查看表总数与发送Kafka数量一致

6.总结

1.HBaseSink支持的序列化方式比少,所以Fayson自己写了JsonHBaseEventSerializer类用于解析JSON数据。

2.需要将自定义开发的Jar包部署到${ FLUME_HOME} /lib目录下

3.使用原生的Sink无法指定HBase的rowkey,这里Fayson在自己的自定义Sink中增加了对rowkey的指定,同样可以指定多个列为rowkey,JSON数据的key作为HBase的Column。

GitHub地址:

提示:代码块部分可以左右滑动查看噢

为天地立心,为生民立命,为往圣继绝学,为万世开太平。

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操,第一时间,分享更多Hadoop干货,欢迎转发和分享。

原创文章,欢迎转载,转载请注明:转载自微信公众号Hadoop实操

标签: #flume采集数据到kafka的topic中